Perbandingan Performa Model LSTM dengan Algoritma Grid Search dan Particle Swarm Optimization pada Peramalan Indeks Harga Saham Gabungan

Abstract

Investasi saham semakin populer di Indonesia dengan pertumbuhan jumlah investor yang signifikan di pasar saham. Prediksi pergerakan harga saham khususnya Indeks Harga Saham Gabungan (IHSG), menjadi sangat penting untuk mendukung pengambilan keputusan investasi. Sifat data deret waktu harga saham yang nonlinear dan non-stasioner membuat metode tradisional kurang efektif dalam memberikan prediksi yang akurat. Penelitian ini menggunakan metode deep learning yang dirancang untuk menangani data deret waktu yang nonlinear dan non-stasioner yaitu Long Short Term Memory (LSTM) untuk memprediksi harga penutupan IHSG. Model LSTM tersebut dikombinasikan dengan algoritma Grid Search dan Particle Swarm Optimization (PSO) untuk mengoptimalkan hyperparameter meningkatkan akurasi prediksi. Algoritma Grid Search sering digunakan karena sifatnya yang sistematis. Namun algoritma ini kurang efisien untuk ruang pencarian yang luas. Algoritma metaheuristik, seperti Particle Swarm Optimization (PSO) telah terbukti efektif dalam mengoptimalkan hyperparameter karena sifatnya yang fleksibel, eksploratif, dan eksploitatif. Data penelitian terdiri dari nilai harian IHSG mulai 4 Januari 2010 hingga 30 Desember 2024 dengan total 5475 baris data, mencakup harga pembukaan, harga tertinggi, harga terendah, dan volume perdagangan sebagai peubah input, serta harga penutupan sebagai peubah output. Hasilnya menunjukkan bahwa algoritma PSO menghasilkan hyperparameter yang lebih optimal daripada Grid Search. Model terbaik yang dihasilkan dari metode PSO memiliki kombinasi hyperparameter 121 neuron, learning rate 0,01, dropout rate 0,396. Model tersebut menghasilkan nilai RMSE 0,021895 dan MAPE 1,24%. Hasil peramalan dua tahun ke depan menggunakan model tersebut memperlihatkan pergerakan harga penutupan IHSG akan mengalami penurunan cukup tajam dan fluktuatif, sehingga mencerminkan adanya risiko dan tantangan bagi para investor.